ANALISIS DATA KATEGORIK

7.1 Uji Independensi Khi Kuadrat

Adakalanya kita menjumpai data yang bersifat kategorikal. Yang dimaksud dengan kategorikal di sini adalah data terkelompokkan berdasarkan kategori unit-unit eksperimen tertentu dan dihitung jumlahnya berdasarkan pengkategorian tersebut. Apabila data didasarkan menurut dua variabel kategori maka kita dapat menyusun tabel kontingensi 2 x 2. Misalkan dari data tersebut, kita ingin mengetahui indepedensi antara dua varibel, maka kita dapat menganalisisnya menggunakan uji khi kuadrat sebagai alternatif uji independensi. Contoh 7.1 Sebuah pabrik konveksi home industri mencatat ada 300 konveksi yang rusak dalam kurun satu bulan. Kerusakan ini kemudian dikelompokkan pada 4 jenis berdasarkan tingkat kerusakan (misal kerusakan I, II, III, dan IV). Si QC pabrik tersebut menduga jenis kerusakan berhubungan dengan shift karyawan yang terbagi menjadi 3, yaitu shift pagi, siang, dan malam. Untuk menguji dugaan QC, diperoleh data sesuai dengan Tabel 7.1. Tabel 7.1. Tabel Data Contoh 7.1.
Kerusakan Shift Pagi Siang Malam I 15 26 33 II 21 31 17 III 45 34 49 IV 13 5 11

141

Dengan tingkat signifikansi 5%, QC pabrik akan mencoba menguji dugaannya. Penyelesaian: 1. Konversi Data Sebelum input data ke worksheet Minitab, data pada Tabel 7.1 perlu dikonversi ke dalam bentuk Tabel 7.2 di bawah ini. Tabel 7.2. Konversi Data Tabel 7.1.
K1 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 K2 shift 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 K3 tipe 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 K4 No 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 K5 shift 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 K6 tipe 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 K7 No 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 K8 shift 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 K9 tipe 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2

142

K1 No 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59

K2 shift 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

K3 tipe 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

K4 No 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159

K5 shift 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

K6 tipe 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3

K7 No 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259

K8 shift 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

K9 tipe 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

143

K1 No 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93

K2 shift 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

K3 tipe 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4

K4 No 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193

K5 shift 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3

K6 tipe 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 1 1 1

K7 No 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293

K8 shift 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

K9 tipe 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4

144

K1 No 94 95 96 97 98 99 100

K2 shift 1 2 2 2 2 2 2

K3 tipe 4 1 1 1 1 1 1

K4 No 194 195 196 197 198 199 200

K5 shift 3 3 3 3 3 3 3

K6 tipe 1 1 1 1 1 1 1

K7 No 294 295 296 297 298 299 300

K8 shift 3 3 3 3 3 3 3

K9 tipe 4 4 4 4 4 4 4

Keterangan: K2, K5, K8 adalah kolom shift dengan pemberian label 1 menunjukkan nilai untuk shift Pagi. Label 2: shift Siang, dan label 3: shift Malam. K3, K6, K9 adalah kolom kerusakan dengan pemberian label 1 menunjukkan nilai untuk Kerusakan jenis I. Label 2: Kerusakan jenis II. Label 3: Kerusakan jenis III, dan label 4: Kerusakan jenis IV.

2. Input Data Setelah konversi data, selanjutnya yang kita lakukan adalah input data dengan melakukan langkah-langkah sebagai berikut. Buka Minitab 15. Arahkan kursor pada Worksheet 1***. Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai data pada kolom K1, K4, K7 pada Tabel 7.2. Beri Nama kolom C2: Shift dan isi sel-sel pada kolom C2 sesuai data pada kolom K2, K5, K8 pada Tabel 7.2. Beri Nama kolom C3: Kerusakan dan isi sel-sel pada kolom C3 sesuai data pada kolom K3, K6, K9 pada Tabel 7.2. Simpan file dengan nama: Chi1. Data dapat dibuka pada bonus CD dengan nama Chi1.MPJ. Tampilan worksheet 1*** seperti Gambar 7.1.

145

Gambar 7.1 Input data Chi1

3. Analisis Data Pilih menu Stat Tables Cross Tabulation and Chi -Square..., tampilan seperti Gambar 7.2.

Gambar 7.2 Stat Tables Cross Tabulation and Chi-Square...

146

Isi kotak dialog Cross Tabulation and Chi-Square dengan mengisikan: For rows: Shift, dengan cara arahkan kursor pada For rows kemudian dobel klik pada C2 Shift, sehingga Shift secara otomatis masuk pada For rows. For column: Kerusakan, dengan cara arahkan kursor pada For column kemudian dobel klik pada C3 Kerusakan sehingga Kerusakan secara otomatis masuk pada For column. Tampilan kotak dialog Display Descriptive Statistics seperti Gambar 7.3.

Gambar 7.3 Kotak dialog Cross Tabulation and Chi-Square

Klik Chi Square... Klik Chi-Square analysis. Klik Expected cell counts. Klik OK, tampilan seperti Gambar 7.4.

Gambar 7.4 Kotak dialog Cross Tabulation - Chi-Square

147

Klik OK. 4. Output Analisis Data

Tabulated statistics: shift, Kerusakan

Rows: shift 1 1 2 3 All 15 23.19 26 23.68 33 27.13 74 74.00 Columns: Kerusakan 2 21 21.62 31 22.08 17 25.30 69 69.00 3 45 40.11 34 40.96 49 46.93 128 128.00 4 13 9.09 5 9.28 11 10.63 29 29.00 All 94 94.00 96 96.00 110 110.00 300 300.00

Cell Contents:

Count Expected count Pearson Chi-Square = 16.273, DF = 6, P-Value = 0.012 Likelihood Ratio Chi-Square = 16.804, DF = 6, P-Value = 0.010

5. Interpretasi Output Data 5.1. Frekuensi Amatan dan Estimasi Data

Rows: shift 1 1 2 3 All 15 (23.19) 26 (23.68) 33 (27.13) 74 74.00 2 21 (21.62) 31 (22.08) 17 (25.30) 69 69.00 Columns: Kerusakan 3 45 (40.11) 34 (40.96) 49 (46.93) 128 128.00 4 13 (9.09) 5 (9.28) 11 (10.63) 29 29.00 All 94 94.00 96 96.00 110 110.00 300 300.00

148

Analisis: Dari informasi di atas nampak bahwa jumlah (frekuensi) tiap sel yang teramati sudah sesuai dengan data Tabel 7.1. Apabila dibandingkan dengan dua shift lainnya, nampak jumlah kerusakan terbanyak terjadi pada shift malam, yaitu sebanyak 110 kerusakan. Adapun angka di dalam kurung menunjukkan frekuensi yang diestimasi. Misal frekuensi estimasi untuk kerusakan jenis I adalah 23.19 dan seterusnya.

5.2. Uji Khi Kuadrat Selanjutnya untuk menguji dugaan QC, dapat dilakukan uji Khi Kuadrat dengan langkah-langkah sebagai berikut. i. Susun Hipotesis:
H 0 : Faktor shift dan kerusakan konveksi saling independen H 1 : Faktor shift dan kerusakan konveksi tidak saling independen

ii. iii.

Tingkat Signifikansi = 0.05 Hitungan:

Pearson Chi-Square = 16.273, DF = 6, P-Value = 0.012 Likelihood Ratio Chi-Square = 16.804, DF = 6, P-Value = 0.010

iv.

Kesimpulan:

Dari tabel di atas dapat diperoleh kesimpulan, yaitu: Karena Pearson Chi- Square= 2 = 16.273 dan tolak H 0 jika 2
2 > (2r 1)(c 1), = (231)( 4 1),0.05 = 6,0.05 = 12.5916 maka H 0 ditolak.

Karena P-Value =0.012 dan tolak H 0 jika = 0.05 > P Value maka H 0 ditolak. Dengan kata lain, faktor shift dan kerusakan saling dependen, QC bisa mengatakan bahwa kerusakan konveksi yang terjadi berkaitan

149

dengan shift karyawan yang diberlakukan pada pabrik tersebut. Apabila diperhatikan dengan jumlah kerusakan pada tiap shift-nya, QC dapat memfokuskan perhatiannya pada shift malam dengan memberikan perlakuan tertentu pada karyawan, mengingat pada shift tersebut kerusakan terjadi paling banyak.

7.2 Uji Homogenitas Khi Kuadrat

Khi Kuadrat dapat pula digunakan untuk menguji apakah sampel yang diambil secara acak oleh eksperimenter sudah homogen sesuai dengan populasinya. Contoh 7.2 Data diambil dari Bhisma Murti (1996). Suatu hipotesis menyatakan bahwa insidensi depresi di antara penderita hipoglikemia, lebih tinggi yang tidak menderita hipoglikemia. Sebanyak 200 orang diobservasi dan diperoleh data sesuai Tabel 7.3. Tabel 7.3. Tabel Data Contoh 7.2.
Sampel Ya Hipoglikemia Tidak Hipoglikemia 30 72 Depresi Tidak 20 78

Dengan tingkat signifikansi 5%, akan dilakukan uji homogenitas antara kedua sampel tersebut! Penyelesaian: 1. Konversi Data Sebelum input data ke worksheet Minitab, data pada Tabel 7.3 perlu dikonversi ke dalam bentuk Tabel 7.4 di bawah ini.

150

Tabel 7.4. Konversi Data Tabel 7.3.

K1 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 K2 Sampel 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 K3 Depresi 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 K4 No 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 K5 Sampel 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 K6 Depresi 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2

151

K1 No 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67

K2 Sampel 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

K3 Depresi 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

K4 No 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167

K5 Sampel 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

K6 Depresi 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

152

K1 No 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

K2 Sampel 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

K3 Depresi 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

K4 No 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200

K5 Sampel 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

K6 Depresi 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

153

Keterangan: K2, K5 adalah kolom sampel dengan pemberian label 1 menunjukkan nilai untuk Hipoglikemia. Label 2: Tidak Hipoglikemia K3, K6 adalah kolom depresi dengan pemberian label 1 menunjukkan nilai untuk depresi, label 2: tidak depresi. 2. Input Data Setelah konversi data, selanjutnya yang kita lakukan adalah input data dengan melakukan langkah-langkah berikut. Buka Minitab 15. Arahkan kursor pada Worksheet 1***. Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai data pada kolom K1, K4 Tabel 7.4. Beri Nama kolom C2: Sampel dan isi sel-sel pada kolom C2 sesuai data pada kolom K2, K5 Tabel 7.4. Beri Nama kolom C3: Depresi dan isi sel-sel pada kolom C3 sesuai data pada kolom K3, K6 Tabel 7.4. Simpan file dengan nama: Chi2. Data dapat dibuka pada bonus CD dengan nama Chi1.MPJ.

Gambar 7.5 Input data Contoh Kasus 7.2

154

3. Analisis Data Pilih menu Stat Tables Cross Tabulation and Chi -Square....

Gambar 7.6 Stat Tables Cross Tabulation and Chi-Square...

Isi kotak dialog Cross Tabulation and Chi-Square dengan: For rows: Sampel, dengan cara arahkan kursor pada For rows kemudian dobel klik pada C2 Sampel, sehingga Sampel secara otomatis masuk pada For rows. For column: Kerusakan, dengan cara arahkan kursor pada For column kemudian dobel klik pada C3 Kerusakan sehingga Kerusakan secara otomatis masuk pada For column.

Gambar 7.7 Kotak dialog Cross Tabulation and Chi-Square

155

Klik Chi Square... Klik Chi-Square analysis. Klik OK, tampilan seperti Gambar 7.8.

Gambar 7.8 Kotak dialog Cross Tabulation - Chi-Square

Klik OK. 4. Output Analisis Data

Tabulated statistics: Sampel, Depresi

Rows: Sampel 1 1 2 All 30 72 102 2 20 78 98 Columns: Depresi All 50 150 200 Count

Cell Contents:

Pearson Chi-Square = 2.161, DF = 1, P-Value = 0.142 Likelihood Ratio Chi-Square = 2.174, DF = 1, P-Value = 0.140

5. Interpretasi Output Data

Rows: Sampel 1 1 2 All 30 72 102 2 20 78 98 Columns: Depresi All 50 150 200

156

Analisis: Sebanyak 200 pasien diobservasi terdiri atas 50 orang sampel I yang merupakan penderita hipoglikemia dan 150 bukan penderita hipoglikemia. Dari 50 orang hipoglikemia tersebut sebanyak 30 orang mengalami depresi, dan dari 150 orang bukan penderita hipoglikemia sebanyak 72 orang menderita depresi. Selanjutnya uji homogenitas dapat dilakukan dengan langkah-langkah uji sebagai berikut. i. Susun Hipotesis:
H 0 : Sampel I dan II homogen H 1 : Sampel I dan II tidak homogen

ii. iii.

Tingkat Signifikansi = 0.05 Hitungan:

Pearson Chi-Square = 2.161, DF = 1, P-Value = 0.142

iv.

Kesimpulan:

Dari tabel di atas nampak dapat diperoleh kesimpulan, yaitu:

2 Karena Pearson Chi- Square= 2 = 2.161 dan tolak H 0 jika >

(2r 1)(c 1), = (22 1)(2 1),0.05 = 12,0.05 = 3.84146 maka H 0 tidak ditolak
Karena P-Value =0.142 dan tolak H 0 jika = 0.05 > P Value maka H 0 tidak ditolak. Dengan kata lain, sampel I dan sampel II homogen, kita dapat mengatakan pula bahwa insidensi depresi penderita hipoglikemia belum tentu lebih tinggi daripada yang bukan penderita hipoglikemia.

7.3 Uji Pasti Fisher

Menurut Fisher (1973), uji ini dapat digunakan untuk mengetahui ada tidaknya hubungan antara dua variabel yang bersifat kategorikal 157

(dalam Murti B, 1996). Masih diambil dari buku yang sama, akan diuraikan contoh kasus penggunaan uji pasti Fisher. Contoh 7.3 Data diambil dari buku Murti B (1996). Suatu eksperimen dilakukan untuk mengetahui manfaat pemakaian obat indomethacine atau plasebo pada bayi prematur terhadap penutupan ductus ateriosus. Data sesuai dengan Tabel 7.5. Tabel 7.5. Data Contoh Kasus 7.3.
Penutupan Ductus Arteriosus Ya Tidak Perlakuan Indomethacine 5 2 Plasebo 1 7

Dengan tingkat signifikansi 5%, akan dilakukan uji pasti Fisher. Penyelesaian: 1. Konversi Data Sebelum input data ke worksheet Minitab, data pada Tabel 7.5 perlu dikonversi ke dalam bentuk Tabel 7.6 di bawah ini. Tabel 7.6. Konversi Data Tabel 7.5.
No 1 2 3 4 5 6 7 8 9 10 11 Penutupan 1 1 1 1 1 1 2 2 2 2 2 Perlakuan 1 1 1 1 1 2 1 1 2 2 2

158

No 12 13 14 15

Penutupan 2 2 2 2

Perlakuan 2 2 2 2

Keterangan: Kolom penutupan dengan pemberian label 1 menunjukkan nilai untuk penutupan Dusctu s Arteriosus (Ya), dan label 2 menunjukkan nilai untuk penutupan Dusctu s Arteriosus (Tidak). Kolom perlakuan dengan pemberian label 1 menunjukkan nilai untuk Indomethacine dan label 2 menunjukkan nilai untuk plasebo.

2. Input Data Setelah konversi data, selanjutnya yang kita lakukan adalah input data dengan melakukan langkah-langkah sebagai berikut. Buka Minitab 15. Arahkan kursor pada Worksheet 1***. Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai data pada kolom 1 Tabel 7.6. Beri Nama kolom C2: Penutupan dan isi sel-sel pada kolom C2 sesuai data pada kolom 2 Tabel 7.6. Beri Nama kolom C3: Perlakuan dan isi sel-sel pada kolom C3 sesuai data pada kolom 3 Tabel 7.6. Simpan file dengan nama: Fisher. Data dapat dibuka pada bonus CD dengan nama Fisher.MPJ. Tampilan worksheet 1*** seperti Gambar 7.9.

159

Gambar 7.9 Input data Fisher

3. Analisis Data Pilih menu Stat Tables Cross Tabulation and Chi -Square..., tampilan seperti Gambar 7.10.

Gambar 7.10 Stat Tables Cross Tabulation and Chi-Square...

160

Isi kotak dialog Cross Tabulation and Chi-Square dengan mengisikan: For rows: Penutupan, dengan cara arahkan kursor pada For rows kemudian dobel klik pada C2 Penutupan sehingga Penutupan secara otomatis masuk pada For rows. For column: Perlakuan, dengan cara arahkan kursor pada For column kemudian dobel klik pada C3 Perlakuan sehingga Perlakuan secara otomatis masuk pada For column.

Gambar 7.11 Kotak dialog Cross Tabulation and Chi-Square

Klik Other Stats... Klik Fishers exact test for 2x2 tables. Klik OK, tampilan seperti Gambar 7.12.

Gambar 7.12 Kotak dialog Cross Tabulation Other Statistics

161

Klik OK. 4. Output Analisis Data

Tabulated statistics: Penutupan, Perlakuan

Rows: Penutupan 1 1 2 All 5 2 7 2 1 7 8 All 6 9 15 Count 0.0405594 Columns: Perlakuan

Cell Contents:

Fisher's exact test: P-Value =

5. Interpretasi Output Data

Rows: Penutupan 1 1 2 All 5 2 7 2 1 7 8 All 6 9 15 Columns: Perlakuan

Analisis: Dari tabel kontingensi di atas menunjukkan bahwa pemberian indomethacine pada bayi prematur, sebanyak 5 bayi mengalami penutupan Ductus Arteriosus dan 2 bayi tidak mengalaminya. Adapun dengan pemberian obat placebo, hanya 1 bayi yang mengalami penutupan Dustus Arteriosus, sedangkan 7 bayi tidak mengalaminya. Untuk menguji kemaknaan antara variable Penutupan dan Perlakuan dilakukan uji Pasti Fisher dengan langkahlangkah sebagai berikut. i. Susun Hipotesis:
H 0 : Pemakaian obat Indomethacine dan Plasebo mempengaruhi pada penutupan Dustus Arteriosus bayi prematur.

162

H 1 : Pemakaian obat Indomethacine dan Plasebo tidak mempengaruhi pada penutupan Dustus Arteriosus bayi prematur.

ii.

Dipilih tingkat signifikansi 1%.

iii. Hitungan:
Fisher's exact test: P-Value = 0.0405594

iv. Kesimpulan: Karena diperoleh Fishers exact test: P-Value=0.0405594 dan H 0 ditolak jika =0.01> P-Value maka diperoleh analisis bahwa H 0 tidak ditolak. Dengan kata lain, pemberian obat Indomethacine dan Plasebo dapat mempengaruhi penutupan Dustus Arteriosus pada bayi prematur.

***

163